近日，中國農(nóng)業(yè)科學院作物科學研究所、四川農(nóng)業(yè)大學小麥研究所/西南作物基因資源發(fā)掘與利用國家重點實驗室、成都天成未來科技有限公司合作構建了小麥基因定位與基因組研究平臺-WheatGmap（https://www.wheatgmap.org），相關研究成果在線發(fā)表于《Molecular Plant》（分子植物）雜志上。
據(jù)王際睿教授介紹，集群分離分析（BSA）作為一種在分離群體中鑒定目標基因的方法，由于其高效、低成本的優(yōu)點被廣泛應用。然而，對于缺乏生物信息學背景的研究者來說，如何深度分析高通量測序獲得的數(shù)據(jù)、正確選擇最優(yōu)算法、有效利用已公布的海量數(shù)據(jù)成為當前應用BSA方法進行小麥基因快速定位和候選基因篩選的限速步驟。研發(fā)一個界面友好、易操作的專業(yè)性數(shù)據(jù)處理平臺將對推動小麥研究有重要應用意義。WheatGmap平臺整合了多種基于BSA定位的模型和大量的公共數(shù)據(jù)，幫助科研工作者利用BSA方法進行小麥基因克隆與功能研究，同時管理與共享測序數(shù)據(jù)及表型數(shù)據(jù)（圖1）。
圖1 WheatGmap頁面
WheatGmap目前整合并分析了超過3500份六倍體小麥的高通量測序數(shù)據(jù)，包括從NCBI、EBI等公共數(shù)據(jù)庫下載的whole-genome sequencing （WGS）， whole-exome sequencing （WES）， transcriptome sequencing （RNA-seq）數(shù)據(jù)，以及用戶分享的EMS突變體材料測序數(shù)據(jù)（圖2）。為了方便用戶利用這些資源，網(wǎng)站同時集成了BSA工具、BLAST功能和基因注釋、表達、富集分析。WheatGmap的主要功能模塊“Gene Mapping”中整合了四種BSA分析模型，包括SNP-index、Euclidean distance （ED）、QTLseqr和varBScore，研究者以黃綠突變體ygl1分析流程為例介紹了群體構建、數(shù)據(jù)在線分析、候選篩選等流程。該平臺的發(fā)布將為小麥研究工作者開展基于BSA的基因定位工作提供方便實用的在線工具。
圖2基因定位流程、主要結果和關鍵步驟
中國農(nóng)科院作科所張立超副研究員、董純豪博士、四川農(nóng)業(yè)大學博士研究生陳中旭為共同第一作者；四川農(nóng)業(yè)大學王際睿教授、中國農(nóng)科院作科所劉旭院士、孔秀英研究員為共同通訊作者。該研究得到國家重點研發(fā)計劃、轉基因重大專項、中國農(nóng)科院科技創(chuàng)新工程、天山創(chuàng)新團隊計劃和國家自然科學基金、學校雙支計劃支持。
全文鏈接：https://doi.org/10.1016/j.molp.2020.11.018
日期：2020-12-14
據(jù)王際睿教授介紹，集群分離分析（BSA）作為一種在分離群體中鑒定目標基因的方法，由于其高效、低成本的優(yōu)點被廣泛應用。然而，對于缺乏生物信息學背景的研究者來說，如何深度分析高通量測序獲得的數(shù)據(jù)、正確選擇最優(yōu)算法、有效利用已公布的海量數(shù)據(jù)成為當前應用BSA方法進行小麥基因快速定位和候選基因篩選的限速步驟。研發(fā)一個界面友好、易操作的專業(yè)性數(shù)據(jù)處理平臺將對推動小麥研究有重要應用意義。WheatGmap平臺整合了多種基于BSA定位的模型和大量的公共數(shù)據(jù)，幫助科研工作者利用BSA方法進行小麥基因克隆與功能研究，同時管理與共享測序數(shù)據(jù)及表型數(shù)據(jù)（圖1）。
圖1 WheatGmap頁面
WheatGmap目前整合并分析了超過3500份六倍體小麥的高通量測序數(shù)據(jù)，包括從NCBI、EBI等公共數(shù)據(jù)庫下載的whole-genome sequencing （WGS）， whole-exome sequencing （WES）， transcriptome sequencing （RNA-seq）數(shù)據(jù)，以及用戶分享的EMS突變體材料測序數(shù)據(jù)（圖2）。為了方便用戶利用這些資源，網(wǎng)站同時集成了BSA工具、BLAST功能和基因注釋、表達、富集分析。WheatGmap的主要功能模塊“Gene Mapping”中整合了四種BSA分析模型，包括SNP-index、Euclidean distance （ED）、QTLseqr和varBScore，研究者以黃綠突變體ygl1分析流程為例介紹了群體構建、數(shù)據(jù)在線分析、候選篩選等流程。該平臺的發(fā)布將為小麥研究工作者開展基于BSA的基因定位工作提供方便實用的在線工具。
圖2基因定位流程、主要結果和關鍵步驟
中國農(nóng)科院作科所張立超副研究員、董純豪博士、四川農(nóng)業(yè)大學博士研究生陳中旭為共同第一作者；四川農(nóng)業(yè)大學王際睿教授、中國農(nóng)科院作科所劉旭院士、孔秀英研究員為共同通訊作者。該研究得到國家重點研發(fā)計劃、轉基因重大專項、中國農(nóng)科院科技創(chuàng)新工程、天山創(chuàng)新團隊計劃和國家自然科學基金、學校雙支計劃支持。
全文鏈接：https://doi.org/10.1016/j.molp.2020.11.018
日期：2020-12-14
